一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法技术

本发明专利技术属于数字图像处理和模式识别领域，特别涉及一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法。首先采用一维快速傅里叶变换分别求出织物图像的横向和纵向基本循环周期大小，然后对织物图像分别进行水平和垂直Ｓｏｂｅｌ算子滤波处理，在此基础上，依据织物纹理基本循环周期以及遍历法原理计算四个极值灰度统计量作为细节特征。由此提取的四个特征分别表征了纹理的横向边缘极大统计信息、横向边缘极小统计信息、纵向边缘极大统计信息和纵向边缘极小统计信息，因此由它们组成的特征向量能够实现对织物纹理细节的全面表征，且相互之间具有明显的互补性。本发明专利技术不需要对Ｓｏｂｅｌ算子滤波后的图像实施二值化处理，同时更丰富地保留了滤波后图像的有用信息。

【技术实现步骤摘要】

本专利技术属于数字图像处理和模式识别领域，特别涉及一种用于表征织物纹理的索 贝尔(Sobel)算子滤波细节特征提取方法。
技术介绍
Sobel算子是图像处理中的算子之一，主要用作边缘检测。在技术上，它是一离散 性差分算子，用来运算图像亮度函数的梯度之近似值。在图像的任何一点使用此算子，将会 产生对应的梯度矢量。Sobel算子有两个，一个检测水平边缘，另一个检测垂直边缘。Sobel 算子在图像空间利用两个3X3的方向模板或者说卷积核与图像中每个点进行邻域卷积来 完成边缘检测，这两个方向模板其中一个通过近似垂直方向梯度而增强图像的水平方向边 缘，另一个则通过近似水平方向梯度而增强图像的垂直方向边缘。Sobel水平和垂直边缘增 强模板分别为权利要求1.，其特征是首先采用 一维快速傅里叶变换分别求出织物图像的横向和纵向基本循环周期的大小，即一个周期所 包含的像素数，然后对织物图像分别进行水平和垂直索贝尔算子滤波处理；在此基础上，依 据织物纹理基本循环周期以及遍历法原理计算出织物纹理的四个极值灰度统计量作为细 节特征，所述的四个极值灰度统计量特征分别为横向边缘极大统计量、横向边缘极小统计 量、纵向边缘极大统计量和纵向边缘极小统计量，由此提取的四个特征分别表征了织物纹 理的横向边缘的两个极端细节统计信息和纵向边缘的两个极端细节统计信息；所述的织物纹理特征向量的四个极值灰度统计量特征的提取过程如下对原始织物图像矩形窗口 W进行索贝尔算子水平滤波，经滤波后的图像记为\，在滤波后的织物图像矩形窗口 Wh中建立矩形子窗口 W2，所述的矩形子窗口 W2的长度等 于滤波后的织物图像矩形窗口 Wh的长度，所述的矩形子窗口 W2的宽度等于织物纹理纵向基 本循环周期长度即行最小周期长度，将矩形子窗口 W2以每次固定的步长垂直地滑移以遍历 整个wh，从而相应求得若干个灰度统计量，分别记其中的最小者和最大者为E1 *E2，Ei即为 横向边缘极小统计量，E2即为横向边缘极大统计量；对原始织物图像矩形窗口 W进行索贝尔算子垂直滤波，经滤波后的图像记为Wv，在滤波 后的织物图像矩形窗口 Wv中建立矩形子窗口 W1，所述的矩形子窗口 W1的长度等于织物纹 理横向基本循环周期单位长度即最小列周期长度，所述的矩形子窗口 W1的宽度等于滤波后 的织物图像矩形窗口 Wv的宽度，将矩形子窗口 W1以每次固定的步长水平地滑移以遍历整个 Wv,从而相应求得若干个灰度统计量，分别记其中的最小者和最大者为E3和E4，E3即为纵向 边缘极小统计量，E4即为纵向边缘极大统计量；最终得到作为细节特征的表征织物纹理的特征向量。2.如权利要求1所述的， 其特征在于，所述的灰度统计量为仙农熵、对数能量熵、P"范数熵、灰度均值、标准差、偏度 或峰度。3.如权利要求1所述的， 其特征在于，所述的织物为机织物。4.如权利要求1所述的， 其特征在于，所述的织物纹理图像的横向与纬纱方向一致，而织物纹理图像的纵向与经纱 方向一致，旨在更好地发挥Sobel算子水平和垂直滤波的效果，从而更好地表征织物纹理 的纬纱信息和经纱信息。5.如权利要求1所述的， 其特征在于，所述的固定的步长为1 3像素。6.如权利要求1所述的， 其特征在于，矩形子窗口 W1每次的水平滑移步长与W2每次的垂直滑移步长不必相同。全文摘要本专利技术属于数字图像处理和模式识别领域，特别涉及。首先采用一维快速傅里叶变换分别求出织物图像的横向和纵向基本循环周期大小，然后对织物图像分别进行水平和垂直Sobel算子滤波处理，在此基础上，依据织物纹理基本循环周期以及遍历法原理计算四个极值灰度统计量作为细节特征。由此提取的四个特征分别表征了纹理的横向边缘极大统计信息、横向边缘极小统计信息、纵向边缘极大统计信息和纵向边缘极小统计信息，因此由它们组成的特征向量能够实现对织物纹理细节的全面表征，且相互之间具有明显的互补性。本专利技术不需要对Sobel算子滤波后的图像实施二值化处理，同时更丰富地保留了滤波后图像的有用信息。文档编号G06K9/46GK102005043SQ20101053693公开日2011年4月6日 申请日期2010年11月9日 优先权日2010年11月9日专利技术者周建, 步红刚, 汪军, 黄秀宝 申请人:东华大学本文档来自技高网...

【技术保护点】
一种用于表征织物纹理的索贝尔算子滤波细节特征提取方法，其特征是：首先采用一维快速傅里叶变换分别求出织物图像的横向和纵向基本循环周期的大小，即一个周期所包含的像素数，然后对织物图像分别进行水平和垂直索贝尔算子滤波处理；在此基础上，依据织物纹理基本循环周期以及遍历法原理计算出织物纹理的四个极值灰度统计量作为细节特征，所述的四个极值灰度统计量特征分别为横向边缘极大统计量、横向边缘极小统计量、纵向边缘极大统计量和纵向边缘极小统计量，由此提取的四个特征分别表征了织物纹理的横向边缘的两个极端细节统计信息和纵向边缘的两个极端细节统计信息；所述的织物纹理特征向量的四个极值灰度统计量特征的提取过程如下：对原始织物图像矩形窗口Ｗ进行索贝尔算子水平滤波，经滤波后的图像记为Ｗ↓［ｈ］，在滤波后的织物图像矩形窗口Ｗ↓［ｈ］中建立矩形子窗口Ｗ↓［２］，所述的矩形子窗口Ｗ↓［２］的长度等于滤波后的织物图像矩形窗口Ｗ↓［ｈ］的长度，所述的矩形子窗口Ｗ↓［２］的宽度等于织物纹理纵向基本循环周期长度即行最小周期长度，将矩形子窗口Ｗ↓［２］以每次固定的步长垂直地滑移以遍历整个Ｗ↓［ｈ］，从而相应求得若干个灰度统计量，分别记其中的最小者和最大者为Ｅ↓［１］和Ｅ↓［２］，Ｅ↓［１］即为横向边缘极小统计量，Ｅ↓［２］即为横向边缘极大统计量；对原始织物图像矩形窗口Ｗ进行索贝尔算子垂直滤波，经滤波后的图像记为Ｗ↓［ｖ］，在滤波后的织物图像矩形窗口Ｗ↓［ｖ］中建立矩形子窗口Ｗ↓［１］，所述的矩形子窗口Ｗ↓［１］的长度等于织物纹理横向基本循环周期单位长度即最小列周期长度，所述的矩形子窗口Ｗ↓［１］的宽度等于滤波后的织物图像矩形窗口Ｗ↓［ｖ］的宽度，将矩形子窗口Ｗ↓［１］以每次固定的步长水平地滑移以遍历整个Ｗ↓［ｖ］，从而相应求得若干个灰度统计量，分别记其中的最小者和最大者为Ｅ↓［３］和Ｅ↓［４］，Ｅ↓［３］即为纵向边缘极小统计量，Ｅ↓［４］即为纵向边缘极大统计量；最终得到作为细节特征的表征织物纹理的特征向量［Ｅ↓［１］Ｅ↓［２］Ｅ↓［３］Ｅ↓［４］］。...

【技术特征摘要】

【专利技术属性】
技术研发人员：步红刚，汪军，黄秀宝，周建，
申请(专利权)人：东华大学，
类型：发明
国别省市：31[中国|上海]